岗位职责
1.多模态数据融合：整合时序传感器数据（流量、pH值）、图像数据（沉淀池监控视频）、文本数据（维修工单）至RL状态空间，设计基于Transformer/GNN的多模态编码器。
2.开发层级强化学习（HRL）框架，协调预处理单元、生化反应单元、消毒单元的多智能体决策。
3.实时决策系统开发：实现RL模型与工业控制系统的低延迟交互（响应时间≤1秒），部署轻量化模型（TensorRT量化、ONNX Runtime）。
4.设计模型预测控制（MPC）+ RL混合架构，动态调整曝气量、药剂投加等实时动作。
5.边缘计算与异常处理：开发边缘端RL推理模块（基于Kubernetes+Docker），支持断网续传和本地回滚。
6.集成鲁棒强化学习（Robust RL）策略，应对暴雨流量激增、传感器故障等突发事件。
7.工业协议对接：通过OPC UA/Modbus协议与PLC系统交互，实现RL动作指令的物理执行。
8.开发异常检测联动机制，在模型置信度低时切换至传统控制逻辑。
任职要求:
1.硬性要求：博士学历（第一学历985 211重本或者 重点大学本硕博优先）2年以上强化学习落地经验，熟悉工业边缘计算部署流程。
2.精通多模态RL和层级强化学习（HRL），掌握Transformer、图神经网络（GNN）在RL中的应用。
3.熟练使用工业通信库（python-opcua、pymodbus），有基于TensorRT/OpenVINO的模型优化经验。
4.熟悉实时系统开发（ROS/RTLinux优先），能处理高并发传感器数据流。
加分项
1.有污水处理厂SCADA系统开发或集成经验。
2.熟悉贝叶斯深度学习（MC Dropout、Deep Ensembles）用于不确定性估计。
具备Kubernetes集群管理或AWS IoT Greengrass部署经验。
工资面议。